随着信息技术的发展,音乐资源呈海量增长态势,而个性化推荐作为信息过载问题的有效解决手段,在音乐领域得到广泛的关注。目前几乎所有的音乐平台都提供个性化音乐推荐服务,然而当前大多数音乐推荐系统是基于用户的历史行为预测用户的音乐偏好,而用户对音乐的短期偏好容易受情境信息影响,合理利用情境信息提供更合适的音乐推荐列表变得越来越重要。当前音乐推荐系统呈现用户众多、音乐资源众多以及情境信息丰富等特点,使得基于情境感知的音乐推荐面临诸多技术挑战。因此,本课题研究基于情境感知的个性化音乐推荐系统符合技术与市场发展的需求,具有一定的现实意义。针对传统个性化音乐推荐系统无法感知用户短期内音乐偏好变化的问题,本文围绕情境感知技术与个性化音乐推荐技术的结合方式开展研究,主要工作如下:（1）针对如何有效地获取情境信息的问题,采用多种传感器以及相关技术解决方案主动获取情境数据。同时,针对音乐推荐呈现大数据化的特点,应用大数据平台相关技术从多源头采集数据,并进行预处理,为系统提供数据支撑。（2）针对如何利用情境信息进行个性化推荐的问题,以协同过滤推荐算法和分类算法为基础,分别实现两种基于情境感知的个性化音乐推荐算法。前者通过融入情境相似度计算的方式,使得传统的协同过滤推荐算法具备了情境感知的能力;后者通过分类算法的训练得出推荐模型,从而实现为特定情境的用户提供合适类型的音乐。（3）为了更好地改善推荐结果,提出融合分类与协同过滤的情境感知音乐推荐方案,改善候选集筛选过程。将协同过滤得到的推荐列表与分类模型得到的音乐类型偏好进行融合,有效地改善推荐候选集筛选过程,实现候选集由粗到精地过滤,实验结果表明该方案能在一定程度上改善推荐系统的性能。（4）实现基于情境感知的个性化音乐推荐系统。系统测试结果表明系统各项功能正常,界面美观且操作流畅,系统综合性能良好,达到了预期目标。本文所实现的基于情境感知的个性化音乐推荐系统,在具备音乐产品的基本功能的前提下,能主动获取用户情境信息并提供合适的个性化音乐推荐列表,具有一定的实际应用价值,同时对其它的个性化音乐推荐系统的研究与设计也有一定的借鉴意义。